公开(公告)号：CN114862892B

公开(公告)日：2025-03-28

申请号：CN202210601919.0

申请日：2022-05-30

Applicant: 中南大学

Inventor： 桂容 ,  胡俊 ,  张德津

IPC: G06T7/00 ,  G06T7/13 ,  G06T7/136 ,  G06T7/181 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种基于增强深度边缘特征的二维及三维路面裂缝识别方法，包括：读入路面采集系统获取的三维路面数据/二维路面数据；数据预处理；三维路面数据姿态起伏/二维路面数据光照不均信息去除；边缘增强数据获取；整体嵌套边缘检测深度网络训练，根据训练模型获取测试数据边缘概率图；S6，对边缘概率图转化处理，获取路面数据强边缘信息；S7，强边缘选取和连接；S8，提取二维/三维路面的裂缝属性信息。本发明融合了路面横断面频率成分特性以及深度学习网络获取的多尺度边缘特性，对路面裂缝边缘进行增强，有助于二维、三维路面数据裂缝的准确提取，适用于二维、三维数据采集系统获取的多种典型路面的裂缝自动识别任务。

公开(公告)号：CN114862892A

公开(公告)日：2022-08-05

申请号：CN202210601919.0

申请日：2022-05-30

Applicant: 中南大学

Inventor： 桂容 ,  胡俊 ,  张德津

IPC: G06T7/13 ,  G06T7/136 ,  G06T7/181 ,  G06T5/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于增强深度边缘特征的二维及三维路面裂缝识别方法，包括：读入路面采集系统获取的三维路面数据/二维路面数据；数据预处理；三维路面数据姿态起伏/二维路面数据光照不均信息去除；边缘增强数据获取；整体嵌套边缘检测深度网络训练，根据训练模型获取测试数据边缘概率图；S6，对边缘概率图转化处理，获取路面数据强边缘信息；S7，强边缘选取和连接；S8，提取二维/三维路面的裂缝属性信息。本发明融合了路面横断面频率成分特性以及深度学习网络获取的多尺度边缘特性，对路面裂缝边缘进行增强，有助于二维、三维路面数据裂缝的准确提取，适用于二维、三维数据采集系统获取的多种典型路面的裂缝自动识别任务。